9 полезных бесплатных книг по машинному обучению
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction
В этой книге авторы попытались объединить много важных новых идей, связанных со статистическим обучением. Хотя в книге не хватает математических деталей, авторы неплохо объясняют именно основы концептов. Книга пригодится не только специалистам по статистике, но и людям, работающим в смежных областях.
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/http://statweb.stanford.edu/~tibs/ElemStatLearn/print..
2. Introduction To Machine Learning
Цель этой книги — введение в индуктивное логическое программирование, раздел науки на стыке машинного обучения и логического программирования. Книга будет полезна тем, кто изучает принципы работы с базами данных, дата-инжиниринг, ИИ, машинное обучение и логическое программирование.
www.sciencedirect.com/science/article/pii/07431066949..
3. Reinforcement Learning: An Introduction
Обучение с подкреплением — это один из способов машинного обучения, в ходе которого испытуемая система взаимодействует с некоторой средой и стремится получить максимальную награду за свои действия. В этой книге разбираются ключевые аспекты этого вида обучения, его история и сферы применения. Порогом вхождения в эту книгу является лишь базовый уровень знания принципов вероятностной модели.
webdocs.cs.ualberta.ca/~sutton/book/ebook/the-book.html
4. Information Theory, Inference, and Learning Algorithms
В этой книге рассказывается о теории информации и о статистическом выводе. Эти темы лежат в основе таких областей современной науки, как коммуникация, теория обработки сигналов, data mining, машинное обучение, биоинформатика, криптография и многих других. Авторы удачно сочетают теоретические объяснения с практическими примерами и заданиями.
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/http://www.inference.phy.cam.ac.uk/itprnn/book.pdf
5. Gaussian Processes for Machine Learning
Эта книга посвящена гауссовским процессам и вопросу обучения с учителем. В книге приведено много алгоритмов, также разбираются сферы применения ГП в машинном обучении и статистике, например, в методе опорных векторов, нейронных сетях, сплайнах и прочем.
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/http://www.gaussianprocess.org/gpml/chapters/RW.pdf
6. Bayesian Reasoning and Machine Learning
Эта книга пригодится студентам старших курсов с небольшим багажом знаний по линейной алгебре и матанализу. Материал в книге идёт от простого к сложному, используются графические модели.
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/http://web4.cs.ucl.ac.uk/staff/D.Barber/textbook/1811..
7. A Course in Machine Learning
В этой книге приведен набор вводных материалов по большинству основных аспектов машинного обучения (обучение с учителем и без учителя, вероятностное моделирование, теория обучения и т.д.).
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/http://ciml.info/dl/v0_9/ciml-v0_9-all.pdf
8. Machine Learning, Neural and Statistical Classification
Цель этой книги — рассказать о современных подходах к классификации. Они сравниваются по производительности и областям применения в реальных случаях. Как видно из названия, таких подходов три: статистический метод, метод машинного обучения и метод нейронных сетей.
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/http://www1.maths.leeds.ac.uk/~charles/statlog/whole...
9. Introduction To Machine Learning
В этой книге рассматриваются многие важные вопросы машинного обучения с 2006 года. Это и не учебник, и не задачник: цель книги — подготовить читателя к дальнейшему освоению этой темы.
chrome-extension://ilhapdfjlmhfdgdbefpinebijmhjijpn/https://ai.stanford.edu/~nilsson/MLBOOK.pdf